1 of 34

Vigilancia en diferentes niveles de atención:

Herramientas estadísticas y componente espacial

Claudio Vargas1

1Departamento de Matemática y Ciencia de la Computación, Universidad de Santiago de Chile

​

2 of 34

  • Vigilancia Nacional
  • Vigilancia a nivel del SEREMI
  • Vigilancia a nivel de cada hospital
  • Vigilancia en la atención primaria
  • Vigilancia en comparación de instituciones de salud
  • Vigilancia temporal, espacial o espacio-temporal

​

Vigilancia epidemiológica en diferentes escenarios y ámbitos

3 of 34

American Journal of Public Health � 1996; 86:633-638

4 of 34

Agente Peligroso

El agente está presente en el ambiente

Vigilancia de peligros

La ruta de exposición existe

El receptor está expuesto al agente

El agente alcanza al tejido blanco

Vigilancia exposición

El agente produce un efecto adverso

Los efectos adversos se hacen clínicamente aparentes

Vigilancia resultados

El proceso por el cuál agente ambiental produce un efecto adverso y los tipos de vigilancia en la salud pública correspondientes

5 of 34

Qué vigilamos en Salud Pública

  • Enfermedades de Notificación obligatoria
  • Desempeño de instituciones
  • Desempeño de cirujanos
  • Higiene de manos
  • Resistencia antimicrobiana
  • Reacciones adversas a medicamentos y vacunas
  • Incidencia de cáncer
  • Cumplimiento programa de vacunación
  • Cumplimiento de metas en control de crónicos

​

6 of 34

Herramientas estadísticas en vigilancia epidemiológica

7 of 34

Journal of Quality Technology�2006; 38: 89-104

8 of 34

9 of 34

En el escenario hospitalario necesitamos vigilar la incidencia de IAAS

  • Existe un programa de vigilancia estructurado selectivo y longitudinal
  • Lo realizan enfermeras entrenadas bajo supervisión de un médico del Programa de Control de Infecciones
  • Se realiza un estudio de prevalencia anual para establecer la sensibilidad y especificidad de la pesquisa de IAAS
  • Existen indicadores nacionales con quien compararse, y por supuesto es posible compararse con la serie histórica

10 of 34

Cartas de control que se pueden usar en esta vigilancia

  • Cartas u de Shewhart que permiten dar una señal en caso que el proceso normal cambie de manera brusca. Es una carta que sirve para seguir número de infecciones cuando los tiempos de seguimiento son diferentes (en días de uso de invasivos)
  • Cartas CUSUM o EWMA que permiten pesquisar desviaciones del proceso que se producen de manera insidiosa, pero progresiva
  • Cartas de embudo(funnel plots) que permiten comparar instituciones con diferente

11 of 34

Carta u de Shewhart para pesquisar desviaciones de la incidencia de neumonia asociada a la Ventilación mecánica invasiva

12 of 34

Estudiar el proceso un tiempo y definir la ventana temporal que será evaluada es muy relevante�

13 of 34

14 of 34

15 of 34

Tasas de Neumonias asociadas a ventilación mecánica invasiva en Hospitales chilenos

16 of 34

Tasas de Infecciones del torrente sanguíneo asociada a CVC en Hospitales chilenos

17 of 34

Evolución de las tasas en un hospital durante el COVID usando el marco de la carta de embudo con parámetros nacionales

18 of 34

19 of 34

20 of 34

Se estimó un modelo jerárquico con MLWin de dos niveles: uno para las variables individuales y otro para los hospitales se muestran los efectos aleatorios

21 of 34

22 of 34

Regresión Joinpoint

  • Es un programa gratuito patrocinado por la Sociedad Americana de Cáncer, muy útil y versátil para estudiar tendencias y quiebres de las tendencias
  • Permite modelos de regresión poisson, logístico usando como entrada diferentes medidas(cuentas, tasas crudas, tasas estandarizadas, eventos esperados y observados para estimación de SMR, etc.)
  • Usa un método de permutaciones o criterio de información bayesiana para estimar el mejor modelo. Sobre cuatro quiebres la estimación es bastante demorosa

23 of 34

Evolución de la mortalidad por cáncer de vesícula en hombres y mujeres

24 of 34

Mortalidad por cancer gástrico 1997 a 2016 en hombres y mujeres

25 of 34

Modelo Joinpoint para Tasas en Mortalidad materna 1997-2020

26 of 34

Otros usos

  • En HUAP seguimos la resistencia antimicrobiana del grupo ESKAPE desde 2013 a 2021 para evaluar cambios en la proporción de micro-organismos resistentes usando joinpoint estimado en un paquete de R
  • En general puede ser usado para evaluar cualquier fenómeno que implique una tendencia.
  • En su última versión puede usarse para un a evaluación de series interrumpidas, evaluar el paralelismo o no de la tendencia en dos cohortes

​

27 of 34

28 of 34

Porcentajes observados de Resistencia para Staphilococcus aureus y regresión Joinpoint en antimicrobianos seleccionados

29 of 34

Herramientas para vigilancia espacial y espaciotemporal

SaTScan

30 of 34

SaTScan

SaTScan™ es un software gratuito que analiza datos espaciales, temporales y espacio-temporales utilizando estadísticas de escaneo espacial, temporal o espacio-temporal. Está diseñado para cualquiera de los siguientes fines interrelacionados:

  • Realizar una vigilancia geográfica de enfermedades de cualquier naturaleza para detectar clústeres espaciales o espacio-temporales y ver si son estadísticamente significativos.
  • Prueba si una enfermedad se distribuye aleatoriamente en el espacio, en el tiempo o en el espacio y tiempo.
  • Evaluar la importancia estadística de las alarmas de clústeres de enfermos.
  • Realizar vigilancia repetida y periódica enfermedades para la detección precoz de brotes.

​

31 of 34

SaTScan

SaTScan puede utilizar:

  • Un modelo Poisson, donde el número de eventos en un área geográfica se distribuye según una población subyacente conocida.
  • Un modelo de Bernoulli, con datos de eventos 0/1 como casos y controles.
  • Un modelo de permutación espacio-temporal, que utiliza únicamente datos de casos.
  • Un modelo ordinal, para datos categóricos ordenados.
  • Un modelo exponencial para datos de tiempo de supervivencia con o sin variables censuradas; o un modelo normal para otros tipos de datos continuos
  • Los datos pueden agregarse a nivel de zona censal, código postal, condado u otro nivel geográfico, o pueden tener coordenadas únicas para cada observación

32 of 34

A space-time analysis of the proportion of late-stage breast cancer�in Massachusetts, 1988 to 1997�T Joseph Sheehan and Laurie M DeChello�International Journal of Health Geographics 2005, 4:15

33 of 34

Modelo Bernoulli para notificaciones COVID positivas vs controles negativos en SaTScan

34 of 34

¡MUCHAS GRACIAS!